Podejmuję współpracę przy minimum 5h zajęć w miesiącu.

Więcej na https://reskilled.io/

Ścieżka nauczania pod 3 główne profesje:
1. Backend developer / Data Analyst
2. Big Data Developer / Data Engineer
3. Machine Learning Engineer / MLOps Engineer

Milestone 1 - Python, Docker

1. Projekt polegający na wystawieniu usługi serwowania przykładowego modelu ML rozpoznającego co znajduje się na danym obrazie z wykorzystaniem Rest API w kontenerze dockerowym. 2. Projekt polegający na analizie danych w pythonie z wykorzystaniem biblioteki pandas, numpy oraz zwrócenie wizualizacji i metryk w postaci dashboardu plotly.

Milestone 2 - Relacyjne bazy danych Relacyjne bazy danych.

Zaznajomienie się ze standardem SQL oraz nauka pisania zapytań na podstawie jednej z baz. Zapoznanie się z bazami danych na przykładzie chmury publicznej GCP. Wstęp do Chmur Publicznych.
1. Projekt polegający na postawieniu bazy danych w kontenerze oraz podłączenie do niego i analiza danych.
2. Ręczne postawienie bazy danych na GCP oraz napisanie kodu w Pythonie i automatyzacja jego tak aby codziennie przeliczał wskazany algorytm na danej tabeli.

Milestone 3 - BigData Zapoznanie się z narzędziami BigData oraz NoSQL (Hadoop, Yarn, Spark, bazy NoSQL). Pracy z danymi w sposobie rozproszonym z wykorzystaniem klastrów Dataproc (GCP).
1. Projekt polegający na analizie danych z wykorzystaniem Jupyter Notebooka i Pysparka na chmurze GCP. Zadanie będzie polegać na ekstrakcji określonych informacji ze zbioru danych oraz zwróceniu wyników analizy.
2. Projekt polegający na przygotowaniu joba w Pysparku, który raz w tygodniu będzie analizował wskazane logi oraz odkładał raport w bazie danych po czym informacja zostanie wysłana na odpowiedni kanał na Slacku. Wykorzystanie w projekcie również Apache Airflow.

Milestone 4 - Przetwarzanie strumieniowe Zapoznanie się z definicją i podstawowymi narzędziami do jego wykorzystania (Kafka, Spark, Flink oraz na GCP Pub-Sub)
1. Projekt polegający na analizie danych np z Twittera z wybranego przez ucznia zagadnienia i stworzenie raportu w czasie rzeczywistym z wykorzystaniem PubSuba, Pysparka, Bigquery oraz DataStudio.

Milestone 5 - Cloud Role chmur publicznych i ich głównych usług (Bazy danych, Storage, Maszyny wirtualne, Klastry przeliczeniowe, Load Balancery, Service Accounty) oraz organizacja projektów i ról. Wstęp do terraformowania.
1. Projekt (mini) polegający na konfiguracji projektu w GCP i samodzielnym utworzeniu infrastruktury pod wcześniej realizowane projekty.
2. Projekt (*) polegający na napisaniu i wdrożeniu terraform ów realizujących powołanie projektu zgodnie z poprzednim. Milestone 6 - DS, Pipelines Data Science i budowa pipeline’ów przetwarzających dane. Skupienie na przetwarzanie danych i workflow a nie na zagadnieniach statystycznych. Przede wszystkim uwaga poświęcona narzędziom takim jak: Sklearn, XGboost, Mlflow, DVC, Great Expectations, Vertex AI.)

Projekt końcowy: Realizacja projektu polegającego na zbudowaniu modelu wyceny nieruchomości oraz udostępnieniu aplikacji pozwalającej na jej wycenę. W projekcie będzie wymagana napisanie aplikacji zbierających dane oraz zbudowanie modelu wyceny nieruchomości.